[论文解读] HAMBox: Delving into Online High-quality Anchors Mining for Detecting Outer Faces

Yang Liu, Xu Tang+4 more|arXiv (Cornell University)|Dec 19, 2019

Face recognition and analysis参考文献 31被引用 16

一句话总结

本文提出 HAMBox，一种在线高质量候选框挖掘策略，通过显式利用此前在标准候选框匹配中被忽略的未匹配但高质量候选框，提升了人脸检测性能，在 WIDER FACE、FDDB、AFW 和 PASCAL Face 上实现最先进性能，WIDER FACE 难例子集上 AP 提升 2.9%。

ABSTRACT

Current face detectors utilize anchors to frame a multi-task learning problem which combines classification and bounding box regression. Effective anchor design and anchor matching strategy enable face detectors to localize faces under large pose and scale variations. However, we observe that more than 80% correctly predicted bounding boxes are regressed from the unmatched anchors (the IoUs between anchors and target faces are lower than a threshold) in the inference phase. It indicates that these unmatched anchors perform excellent regression ability, but the existing methods neglect to learn from them. In this paper, we propose an Online High-quality Anchor Mining Strategy (HAMBox), which explicitly helps outer faces compensate with high-quality anchors. Our proposed HAMBox method could be a general strategy for anchor-based single-stage face detection. Experiments on various datasets, including WIDER FACE, FDDB, AFW and PASCAL Face, demonstrate the superiority of the proposed method. Furthermore, our team win the championship on the Face Detection test track of WIDER Face and Pedestrian Challenge 2019. We will release the codes with PaddlePaddle.

研究动机与目标

• 解决基于候选框的人脸检测器中对高质量未匹配候选框的利用不足问题，这些候选框虽具强大回归能力却常被忽略。
• 通过挖掘并补偿高质量未匹配候选框，提升对外部人脸（尤其是小尺寸或大尺寸人脸）的检测性能。
• 开发一种通用且可训练的策略，在训练过程中整合这些高质量负样本候选框，以同时增强分类与回归分支。
• 证明标准候选框匹配策略无法充分发挥高质量候选框的潜力，尤其在具有挑战性的推理场景中。
• 在不依赖额外训练数据或复杂架构的前提下，实现在多个基准上的最先进性能。

提出的方法

• 提出一种在线高质量候选框挖掘（HAMBox）策略，识别并补偿与真实框具有高 IoU（交并比）的未匹配候选框。
• 引入一种动态候选框补偿机制，在训练期间根据 IoU 阈值，有选择性地将高质量未匹配候选框用于外部人脸。
• 采用回归感知焦点损失（RAL），重新加权训练样本，使补偿后的候选框获得更高关注，提升其优化稳定性。
• 采用多阶段训练流程：首先识别高质量未匹配候选框；其次将其补偿为伪正样本；最后使用 RAL 进行微调，以提升回归精度。
• 可无缝集成至现有基于候选框的单阶段人脸检测器（如使用 FPN 和 SSH 的模型）中，无需架构重构。
• 在训练和推理阶段均应用该策略，重点提升预测框与真实框之间的 IoU，尤其针对外部人脸。

实验结果

研究问题

• RQ1 为何在人脸检测中，超过 80% 的正确预测边界框来自未匹配候选框，尽管标准训练策略忽略了它们？
• RQ2 能否有效利用高质量未匹配候选框（即 IoU 较高但低于正样本阈值的候选框）以提升检测性能？
• RQ3 一种在线、动态的候选框挖掘策略，通过补偿这些高质量未匹配候选框，是否能带来更好的泛化能力与准确性，尤其在外部人脸检测中？
• RQ4 所提出的回归感知焦点损失（RAL）在应用于补偿候选框时，如何提升训练稳定性和性能？
• RQ5 HAMBox 策略是否能在不改变架构的前提下，在 WIDER FACE、FDDB、AFW 和 PASCAL Face 等多样化基准上实现最先进结果？

主要发现

• 推理阶段仅有 11% 的正确预测边界框来自匹配候选框，表明高 IoU 未匹配候选框被严重低估。
• 训练阶段 65% 的高质量候选框为未匹配状态，显示尽管其具备强大回归潜力，但候选框利用率仍存在显著差距。
• HAMBox 方法在 WIDER FACE 验证集上取得 97.0% AP（易例）、96.4% AP（中等）、93.3% AP（难例），较之前最先进方法在难例子集上提升 2.9% AP。
• 在 WIDER FACE 测试集上，方法取得 95.9% AP（易例）、95.5% AP（中等）、92.3% AP（难例），在难例子集上超越先前最先进方法 2.3% AP。
• 相较于 NAMS 和 ZCC，在相同基线模型上，该方法在 AP 上分别提升 6.4% 和 5.5%，证明其在候选框利用效率与检测精度上的优越性。
• 在引入附加模块（SSH、DH、PA）后，最终模型在验证集上达到 97.0%（易例）、96.4%（中等）、93.3%（难例）AP，在测试集上达到 95.9%、95.5%、92.3% AP，验证了其在各基准上的鲁棒性。